V
主页
【手推公式】从sub-VP SDE形式推导出扰动核(高斯分布)的均值和方差【论文精读】
发布人
【手推公式】从sub-VP SDE形式推导出扰动核(高斯分布)的均值和方差【论文精读】 (0)sub-VP SDE形式由来:有良好的似然性;方差不会超过VP SDE的上界 (1)写出均值和方差的ODE形式:根据公式(5.50)和(5.51) (2)求解ODE(一阶非齐次线性常微分方程) (3)简化解的形式:变量替换(换元) (4)写出perturbation kernel 的具体表达式 参考: 1. https://zhuanlan.zhihu.com/p/689276382
打开封面
下载高清视频
观看高清视频
视频下载器
薛定谔桥(Diffusion Schrodinger Bridge)及与生成模型(流匹配Flow Matching、DDPM、SMLD)
【公式推导】朗之万动力学公式(Langevin Dynamics)就是梯度下降!!为什么数据生成会是梯度下降的形式?【基于分数的生成模型】
【手搓代码】从零手搓扩散模型Flow Matching(Rectified Flow)第二回:条件生成,算法、模型、训练、推理全覆盖,github同步开源
【论文精读】为什么用SDE(随机微分方程)来描述扩散过程 (3.1节,3.2节)
【AI知识分享】手把手带你探索与发现DDPM与Score Matching的SDE表达形式
【论文精读】扩散模型由SDE形式进行采样的2个思路:ODE(概率流采样), 逆SDE(逆扩散采样)
【公式推导】如何从VE SDE和VP SDE中进行采样(逆扩散采样器)【论文精读】【附录D.3、附录E】
【AI知识分享】一致性模型基本原理解析,100分钟硬核干货分享,这100分钟你绝对花的值!
【公式推导】如何给扩散模型添加条件控制(学习条件分布),说明有无分类器的指导原则
【公式推导】证明:如何用噪声预测模型代替得分函数(基于分数角度score,扩散模型DM优化目标的设定3)【论文精读】【P16-17】
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.2】
【公式推导】去噪分数匹配的预处理:形式和参数确定{c_in,c_out,c_skip,lambda}(公式8)【附录B.6】
【公式证明】扩散模型中的reverse-time SDE是怎么推导得到的呢?
【公式推导】VE和VP的SDE形式由来:由条件分布推导出SDE形式(SMLD和DDPM)(3.4节,附录B)【论文精读】
扩散模型DM的优化目标ELBO在高斯限制条件(加噪过程)下的最终形式变化思路讲解【白板推导】【去噪分布】】
【公式推导】VP sampling:确定时间步,噪声水平,缩放水平{t_i, sigma(t), s(t)}【附录C.1.1】【Table 1】
【公式推导】从物理学角度来解释朗之万动力学公式(Langevin Dynamics)的来源(补充讲解)【基于分数的生成模型】
【公式推导】DDIM的公式(7)的由来:为什么设定这样的采样形式(DDIM最核心的采样设定)【非马尔科夫前向过程】【3.1节】【论文精读】
【手推公式】如何求SDE的解(附录B)【扩散模型】
【公式推导】离散化求解ODE:算法1,介绍积分求解器【附录B.4】
【公式推导】DDPM采样等价于VP对应的逆SDE的一种数值解法【论文精读】【附录E】【P21】
【补充】Tweedie公式及其证明
【公式推导】命题1:DDIM的ODE形式与VE-SDE的ODE形式保持一致,都为公式(14)【附录B】
【推导思路】DDIM的ODE形式【论文精读】
【公式推导】朗之万动力学(Langevin Dynamics)公式不仅是梯度下降,还是随机梯度下降。进一步解释噪声项的作用【基于分数的生成模型】
【公式推导】扩散模型Diffusion Models的训练和推理,训练中的Unet到底在学习什么,完整核心逻辑梳理【优化目标/损失函数】【采样过程/去噪】
【附录C】如何选择加噪使用的噪声尺度:超参数(alpha,beta)噪声尺度的设定【论文精读】
川普女儿伊万卡 | 能听懂这段英文真的很厉害
【公式推导】扩散模型中的去噪过程:如何由纯噪图逐步去噪变清晰,即从x(T)到x(T-1),推导去噪分布表达式【论文精读】
【论文精读】变分扩散模型VDM的表示和优化思路【3个限制条件的深刻理解】
【论文精读】Understanding Diffusion Models: A Unified Perspective 01【introduction】
【公式推导】去噪分数匹配:如何用去噪函数D(.)表示出样本分布的梯度(分数函数),推导公式(2,3)【附录B.3】
【公式推导】从2个原因充分理解证据下界ELBO(如何推导)【Evidence Lower Bound】2
【代码详解】扩散模型中如何融合时间信息t到图x上(x+t),Transformer中的位置编码PE(position encoding)
【公式推导】加噪过程:为什么只需给定时间步t和原图x0就可以直接生成噪图xt【公式详解】【论文精读】
【公式推导】如何在学习扩散模型的同时,自适应学习噪声参数alpha_t,转化为信噪比SNR的学习【信噪比SNR】【论文精读】
【公式推导】变分扩散模型VDM的优化目标ELBO的拆解项含义详解【组成部分解释】
【公式推导】Elucidating the Design Space of Diffusion-Based Generative Models【附录B.1】
【公式推导】利用Fourier傅里叶变换求解热方程【公式6】【附录B.5.1】【论文精读】
【公式推导】不同视角下,扩散模型DM优化目标ELBO的变化:设定1(预测原图x0)【论文精读】